import os
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
from matplotlib import ticker
[文档]
def set_default_style(bold: bool = True):
"""
Set the default style for plots using serif fonts (Times New Roman).
Args:
bold (bool): Whether to use bold font weight.
"""
plt.rcParams.update({
'font.family': 'serif',
'font.serif': ['Times New Roman'],
'font.weight': 'bold' if bold else 'normal',
'font.size': 9,
'mathtext.fontset': 'cm',
'axes.formatter.use_mathtext': True,
'lines.linewidth': 1,
'axes.unicode_minus': False,
'legend.fontsize': 6
})
[文档]
def set_sans_style(bold: bool = True):
"""
Set the default style for plots using sans-serif fonts.
Args:
bold (bool): Whether to use bold font weight.
"""
plt.rcParams.update({
'font.family': 'sans-serif',
'font.sans-serif': ['Arial'],
'font.weight': 'bold' if bold else 'normal',
'font.size': 9,
'mathtext.fontset': 'custom',
'mathtext.rm': 'Arial',
'mathtext.it': 'Arial:italic',
'mathtext.bf': 'Arial:bold' if bold else 'Arial',
'axes.unicode_minus': False,
'legend.fontsize': 6
})
[文档]
def set_cm_style(bold: bool = True):
"""
Set the default style for plots using Matplotlib's built-in
Computer Modern ('cm') fonts.
Does NOT require a local LaTeX installation.
Args:
bold (bool): Whether to use bold font weight.
"""
plt.rcParams.update({
'font.family': 'serif',
'font.serif': ['cmr10'], # 'cmr10' 是 Computer Modern Roman 的字体名
'font.weight': 'bold' if bold else 'normal',
# 'font.size': 9,
'mathtext.fontset': 'cm', # <-- 核心设置：为数学使用 Computer Modern
# --- ⬇️ 添加这一行以消除警告 ⬇️ ---
'axes.formatter.use_mathtext': True, # 强制坐标轴刻度标签也使用 mathtext 渲染
# --- ⬆️ 添加完毕 ⬆️ ---
# 'axes.unicode_minus': False, # 配合 mathtext，正确显示负号
# 'axes.titlesize': 9,
# 'legend.fontsize': 8
})
[文档]
def set_ax_style(ax, linewidth=0.75):
"""
Set the style for a given Axes object.
Args:
ax (matplotlib.axes.Axes): The Axes object to style.
Returns:
None
"""
ax.spines['top'].set_linewidth(linewidth)
ax.spines['bottom'].set_linewidth(linewidth)
ax.spines['left'].set_linewidth(linewidth)
ax.spines['right'].set_linewidth(linewidth)
[文档]
def apply_axis_limits_and_ticks(
ax: plt.Axes,
curves: list[tuple[np.ndarray, np.ndarray]],
xlim: tuple[float, float] = None,
ylim: tuple[float, float] = None,
tick_interval_x: float = None,
tick_interval_y: float = None
):
"""
设置 x/y 轴的显示范围与主刻度间隔。
Args:
ax: matplotlib 的坐标轴对象。
curves: 所有曲线的 (x, y) 数据对。
xlim: x 轴显示范围 (min, max)。
ylim: y 轴显示范围 (min, max)。
tick_interval_x: x 轴主刻度间隔。
tick_interval_y: y 轴主刻度间隔。
Returns:
None
"""
# ----- X 轴主刻度 -----
if tick_interval_x:
x_min = min(min(c[0]) for c in curves)
x_max = max(max(c[0]) for c in curves)
# 同样的逻辑其实也可以应用在 X 轴，这里保持原样或按需修改
ax.set_xticks(np.arange(x_min, x_max + tick_interval_x, tick_interval_x))
# ----- Y 轴主刻度（先基于数据粗设，防止后续没有 ylim 时无刻度）-----
if tick_interval_y:
y_min = min(min(c[1]) for c in curves)
y_max = max(max(c[1]) for c in curves)
ax.set_yticks(np.arange(y_min, y_max + tick_interval_y, tick_interval_y))
# ----- X/Y 轴显示范围与精确刻度修正 -----
if xlim:
ax.set_xlim(*xlim)
if ylim:
# 1. 先设置范围 (此时 matplotlib 会自动处理 None，将其转为数据边界)
ax.set_ylim(*ylim)
# 2. 若设定了 ylim 且 tick_interval_y 也存在，则进行“对齐修正”
if tick_interval_y:
# 获取当前的实际 Y 轴范围 (解决 NoneType 报错问题)
# 即使 ylim 输入的是 [None, 0.16]，这里得到的 v_min 也是具体的数值
v_min, v_max = ax.get_ylim()
# --- 核心修改：计算对齐后的起点 ---
# 逻辑：找到大于等于 v_min 的第一个 tick_interval_y 的整数倍
# 例如：v_min = -0.001, interval = 0.03
# ceil(-0.001 / 0.03) -> ceil(-0.033) -> 0
# 0 * 0.03 -> 0.0 (这就实现了从 0 开始，而不是 -0.001)
aligned_start = np.ceil(v_min / tick_interval_y) * tick_interval_y
# 防止浮点数精度问题 (例如出现 -0.00000000001 导致显示 -0.0)
if abs(aligned_start) < 1e-10:
aligned_start = 0.0
# 重新设置刻度
# 注意：使用 v_max 确保刻度能覆盖到视窗顶部
ax.set_yticks(np.arange(aligned_start, v_max + 0.01 * tick_interval_y, tick_interval_y))
[文档]
def save_or_display_legend(
ax,
save_dir: str,
figure_name_suffix: str,
split_legend: bool = False,
legend_location: str = 'best',
legend_ncol: int = 1,
dpi: int = 300,
xy_label: list[str] = None,
show_legend: bool = True
):
"""
处理图例显示或保存为单独图像的逻辑。
Args:
ax: 主图坐标轴。
save_dir: 图像保存目录。
figure_name_suffix: 用于生成图例文件名的后缀。
split_legend: 是否将图例单独绘制保存。
legend_location: 图例位置（默认 'best'）。
legend_ncol: 图例列数。
dpi: 图像保存分辨率。
xy_label: 用于命名的 x 和 y 轴标签列表。
show_legend: 是否显示图例。
Returns:
None
"""
if split_legend:
# 1. 临时生成图例以获取句柄
legend = ax.legend(fontsize=9, loc=legend_location or 'best', frameon=False)
handles, labels = ax.get_legend_handles_labels()
# 2. 创建新画布
fig_leg = plt.figure(figsize=(4, 2))
fig_leg.legend(handles, labels, loc='center', ncol=legend_ncol or 1)
fig_leg.tight_layout()
# 3. 处理文件名
if xy_label and len(xy_label) > 1:
y_label = xy_label[1]
else:
raise ValueError("xy_label must be provided and have at least 2 elements.")
# 【文件名清洗】 / -> _ , \ -> _ , 去掉 $
safe_y_label = y_label.replace('/', '_').replace('\\', '_').replace('$', '')
filename = f'Legend of {safe_y_label}{figure_name_suffix}.png'
legend_path = os.path.join(save_dir, filename)
# 4. 确保目录存在
os.makedirs(os.path.dirname(legend_path), exist_ok=True)
# 5. 保存并打印路径（关键修改）
fig_leg.savefig(legend_path, dpi=dpi, bbox_inches='tight')
print(f"✅ [Legend Saved] 图例已保存至: {os.path.abspath(legend_path)}")
plt.close(fig_leg)
legend.remove()
elif show_legend:
# JMPS 期刊推荐：去除圆角(fancybox=False)，使用黑色细实线边框(edgecolor='black')，背景不透明(framealpha=1)，或者完全去掉边框
legend = ax.legend(
loc=legend_location or 'best',
ncol=legend_ncol or 1,
frameon=True,
fancybox=False, # 去除圆角，变成直角
edgecolor='black', # 黑色边框
framealpha=1.0, # 不透明白底避免线条穿过
borderpad=0.4 # 内边距微调
)
legend.get_frame().set_linewidth(0.75) # 细线更显学术
[文档]
def plot_residual_curves(
ax_res,
curves: list[tuple[np.ndarray, np.ndarray]],
label: list[str],
xy_label: tuple[str, str] = None,
x_title_fallback: str = None
):
"""
绘制残差图：将第 1 条曲线作为参考，绘制其与其他曲线之间的差值。
Args:
ax_res: matplotlib 的残差子图坐标轴。
curves: 所有曲线的 (x, y) 数据对。
label: 每条曲线的标签。
xy_label: 坐标轴标签元组，用于设置 x 轴名。
x_title_fallback: 如果 xy_label 不存在时使用的 x 轴名。
Returns:
None
"""
if len(curves) < 2:
return
x_ref, y_ref = curves[0]
for i in range(1, len(curves)):
x_i, y_i = curves[i]
y_interp = np.interp(x_ref, x_i, y_i)
residual = y_interp - y_ref
ax_res.plot(x_ref, residual,
label=f'{label[i]} - {label[0]}', linewidth=2)
# 设置 y 轴以 ×10⁻² 显示
ax_res.yaxis.set_major_formatter(ticker.FuncFormatter(lambda x, _: f'{x * 1e2:.1f}'))
ax_res.text(0.01, 1.02, r'$\times10^{-2}$', transform=ax_res.transAxes,
fontsize=20, verticalalignment='bottom', horizontalalignment='left')
ax_res.axhline(0, color='gray', linestyle='--', linewidth=1)
ax_res.set_ylabel("Residual", fontweight='bold')
ax_res.set_xlabel(xy_label[0] if xy_label and xy_label[0] else x_title_fallback, fontweight='bold')
ax_res.legend(fontsize=20)
[文档]
def set_smart_xy_ticks(ax, extent=None):
"""
为 ax 自动设置 x 和 y 轴的主刻度，使其间隔为 (5,10,20,25,30,50,100) 中的一个，
且总刻度数在 5 到 9 之间。
Args:
ax: matplotlib 坐标轴对象。
extent: 可选的坐标范围 (x0, x1, y0, y1)，若未提供则使用当前轴范围。
Returns:
None
"""
step_candidates = (0.2, 0.25, 0.5, 1, 2, 3, 5, 10, 20, 25, 30, 40, 50, 60, 100)
def compute_ticks(start, end):
range_ = end - start
for step in step_candidates:
ticks_count = range_ / step
if ticks_count.is_integer() and 4 <= ticks_count <= 7:
break
else:
# fallback：选一个最接近7个刻度的
step = min(step_candidates, key=lambda s: abs((range_ / s) - 6))
ticks = np.arange(start, end + 0.5 * step, step)
return np.round(ticks, 8)
if extent is not None:
x0, x1, y0, y1 = extent
else:
x0, x1 = ax.get_xlim()
y0, y1 = ax.get_ylim()
ax.set_xticks(compute_ticks(x0, x1))
ax.set_yticks(compute_ticks(y0, y1))
ax.set_xlim(x0, x1)
ax.set_ylim(y0, y1)